基于货物量的人力资源配置方法技术

本发明专利技术提供了一种基于货物量的人力资源配置方法，用于仓库调度，主要包括以下步骤：通过ARIMA数据预测模型对未来一段时间内货物的入库量和出库量进行预测，得到预测数据；利用排队论模型计算所需员工人数；根据仓库对排班的要求，通过整数规划建立约束模型；利用改进的差分进化算法求解约束模型，对员工进行排班。相较于现有技术，本发明专利技术采用ARIMA算法进行货物量预测，准确率高并可有效避免出现用工波峰波谷的问题，同时利用改进后的差分进化算法，可减少人员冗余带来的成本以及人员紧缺致使的货物周转时间延长等影响，最大限度的提高人员利用率，降低生产成本。

【技术实现步骤摘要】
基于货物量的人力资源配置方法
本专利技术涉及一种基于货物量的人力资源配置方法，属于资源配置领域。
技术介绍
精细化的仓库排班可以提升仓库物流的工作效率并减少成本，对仓库的调度优化具有重要意义。特别是近年来，随着电商的不断发展，春节、“618”、“双十一”、“双十二”等时间段都成为了物流行业寄递包裹的高峰期，物流仓储行业在获得发展机遇的同时也承受了更多的压力，如仓储库房内订单挤压导致无法出库、快递公司的爆仓等情况经常发生，物流运营对人力资源的配置提出了更高的要求，优化人员排班成为亟待解决的问题。目前，国内外在当地服务业的基础上，所提出的解决方案不尽相同。由于国外的服务业在业务繁忙阶段都采用兼职员工与正式员工共同工作的手段，而国内的员工大多是长期公用，更需要考虑员工的休息时间调整和工作任务分配。仓库员工排班问题也与护士排班、银行柜员排班等问题存在不同，仓库的业务量大小根据时间段不同存在明显的不同，由于仓库工作人员的工作时间具有特殊性，人员需求量通常会受当日的业务量影响；用人波峰波谷与购物节、网购热潮有关，仓库中的操作主要分为卸货和上货，操作差异较小，不同业务员可认为进行相同的操作，可互补性更大。有鉴于此，确有必要提出一种基于货物量的人力资源配置方法，以解决上述问题。
技术实现思路
本专利技术的目的在于提供一种基于货物量的人力资源配置方法，可解决仓库员工排班的不合理、不人性化等问题，并克服传统差分进化算法收敛速度慢、易陷入局部最优解等缺陷，可以有效避免用工波峰波谷的问题。为实现上述目的，本专利技术提供了一种基于货物量的人力资源配置方法，用于仓库调度，主要包括以下步骤：步骤1、通过ARIMA数据预测模型对未来一段时间内货物的入库量和出库量进行预测，得到预测数据；步骤2、利用排队论模型计算所需员工人数；步骤3、根据仓库对排班的要求，通过整数规划建立约束模型；步骤4、利用改进的差分进化算法求解约束模型，对员工进行排班。作为本专利技术的进一步改进，步骤1的具体步骤为：步骤11、对所述预测数据进行预处理；步骤12、检验预测数据的时间序列，若所述预测数据的波动较大，则对所述预测数据进行平稳化处理并得到新的时间序列，否则直接转到步骤13；步骤13、对时间序列进行ADF单位根验证；步骤14、利用自相关函数和偏自相关函数对步骤12所得到的时间序列进行定阶；步骤15、通过残差和相关性检验ARIMA数据预测模型的有效性，并对ARIMA数据预测模型进行训练。作为本专利技术的进一步改进，所述步骤12中平稳化处理具体为：通过差分法计算时间序列中t时刻与t-1时刻的差值，以得到新的时间序列。作为本专利技术的进一步改进，步骤2的具体步骤为：步骤21、在排队论模型中，由于排队过程存在稳态，则存在，其中，为员工人数，为平均每小时货物的入库量，平均每位员工每小时可以完成的工作量；步骤22、将员工人数c的值代入至排队论模型，计算货物周转时间，若货物周转时间小于或等于货物平均周转时间，则结束运算，若货物周转时间大于货物平均周转时间，则转到步骤23；步骤23、令，转到步骤22。作为本专利技术的进一步改进，所述货物周转时间的计算公式为：，其中，为工作强度。作为本专利技术的进一步改进，步骤3的具体步骤为：步骤31、设变量表示第个员工在第天选择第工作模式，变量的值为1代表选择，为0代表不选择；每位员工的每天的工作状态有四种，包括上午班、下午班、晚班和休息；步骤32、每位员工每天必须且只能选择1种工作模式，即：步骤33、每位员工一周至少休息一天，即：步骤34、每天各时段所安排的员工数不能少于排队论模型计算所得的人数，即：其中，n表示员工的总人数，表示不同时段需要的最少员工人数；步骤35、第j-1天安排为晚班的员工第j天不能安排上午班，即：步骤36、每位员工一周内不得被安排晚班超过两次，即：步骤37、每位员工不得连续3天被安排同一工作模式，即：，其中，m表示一周内的星期数；步骤38、在满足货物对于排队时间要求的基础上，以排班计划期间所有员工总的工作时间最短和员工工作时间方差最小为优化目标，得到目标函数：。作为本专利技术的进一步改进，步骤4的具体步骤为：步骤41、对差分进化算法的各参数进行初始化，定义一个矩阵，其中，该矩阵的每一列代表种群中的一个个体，对种群进行初始化；步骤42、初始化种群后，进行变异操作；步骤43、变异操作完成后，进行交叉操作；步骤44、交叉操作完成后，进行选择操作，并搜寻种群中每个个体的一定范围内的其他目标，以发现更好的个体；步骤45、评估种群中每个个体的适应度函数值，并计算每个个体的选择概率；步骤46、采用一对一选择算子，比较经过变异操作和交叉操作得到的实验个体与相应的副本个体的适应值，将较优者保存到下一代种群中。作为本专利技术的进一步改进，步骤41中，所述矩阵为NP行D列，所述初始化为生成NP*D个满足条件且服从均匀分布的随机数作为种群的初始值，具体为：，其中，i=1，2，...，NP，j=1，2，...D，且rand(0,1)是一个服从均匀分布的随机数，而high[j]和low[j]分别是自变量的第j维的上界和下界。作为本专利技术的进一步改进，步骤42中，所述变异操作具体为：从父代种群中随机地选择两个不同的个体向量相减产生差分向量，然后将该差分向量赋予一定的权值与另一个父代种群随机产生的个体向量进行相加，从而产生新的变异个体；对于父代种群中的任意一个个体向量的变异向量的生成公式为：，其中，是父代种群中随机三个不同个体向量，且，表示自适应比例缩放因子，的数学表达式为：，其中，表示最大迭代次数，t表示第t代，和为自适应比例缩放因子的最大值和最小值，r为[0，1]中的一个均匀分布的随机数。作为本专利技术的进一步改进，步骤45中，每个个体的选择概率的计算公式为：其中，为第i个个体的选择概率，为第i个个体的适应度函数值。本专利技术的有益效果是：本专利技术采用ARIMA算法进行货物量预测，准确率高并可有效避免出现用工波峰波谷的问题，同时利用改进后的差分进化算法，可减少人员冗余带来的成本以及人员紧缺致使的货物周转时间延长等影响，最大限度的提高人员利用率，降低生产成本。附图说明图1为本专利技术基于货物量的人力资源配置方法的方法流程图。图2为ARIMA数据预测模型的算法流程图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本专利技术进行详细描述。如图1至图2所示，本专利技术揭示了一种基于货物量的人力资源配置方法，用于本文档来自技高网...

【技术保护点】
1.一种基于货物量的人力资源配置方法，用于仓库调度，其特征在于，主要包括以下步骤：/n步骤1、通过ARIMA数据预测模型对未来一段时间内货物的入库量和出库量进行预测，得到预测数据；/n步骤2、利用排队论模型计算所需员工人数；/n步骤3、根据仓库对排班的要求，通过整数规划建立约束模型；/n步骤4、利用改进的差分进化算法求解约束模型，对员工进行排班。/n

【技术特征摘要】
1.一种基于货物量的人力资源配置方法，用于仓库调度，其特征在于，主要包括以下步骤：
步骤1、通过ARIMA数据预测模型对未来一段时间内货物的入库量和出库量进行预测，得到预测数据；
步骤2、利用排队论模型计算所需员工人数；
步骤3、根据仓库对排班的要求，通过整数规划建立约束模型；
步骤4、利用改进的差分进化算法求解约束模型，对员工进行排班。


2.根据权利要求1所述的基于货物量的人力资源配置方法，其特征在于，步骤1与步骤2之间还存在以下步骤：
步骤11、对所述预测数据进行预处理；
步骤12、检验预测数据的时间序列，若所述预测数据的波动较大，则对所述预测数据进行平稳化处理并得到新的时间序列，否则直接转到步骤13；
步骤13、对时间序列进行ADF单位根验证；
步骤14、利用自相关函数和偏自相关函数对步骤12所得到的时间序列进行定阶；
步骤15、通过残差和相关性检验ARIMA数据预测模型的有效性，并对ARIMA数据预测模型进行训练。


3.根据权利要求2所述的基于货物量的人力资源配置方法，其特征在于，所述步骤12中平稳化处理具体为：通过差分法计算时间序列中t时刻与t-1时刻的差值，以得到新的时间序列。


4.根据权利要求1所述的基于货物量的人力资源配置方法，其特征在于，步骤2的具体步骤为：
步骤21、在排队论模型中，由于排队过程存在稳态，则存在，其中，为员工
人数，为平均每小时货物的入库量，平均每位员工每小时可以完成的工作量；
步骤22、将员工人数c的值代入至排队论模型，计算货物周转时间，若货物周转时间小于或等于货物平均周转时间，则结束运算，若货物周转时间大于货物平均周转时间，则转到步骤23；
步骤23、令，转到步骤22。


5.根据权利要求4所述的基于货物量的人力资源配置方法，其特征在于，所述货物周转时间的计算公式为：

，
其中，为工作强度。


6.根据权利要求1所述的基于货物量的人力资源配置方法，其特征在于，步骤3的具体步骤为：
步骤31、设变量表示第个员工在第天选择第工作模式，变量的值为1代
表选择，为0代表不选择；每位员工的每天的工作状态有四种，包括上午班、下午班、晚班和
休息；
步骤32、每位员工每天必须且只能选择1种工作模式，即：



步骤33、每位员工一周至少休息一天，即：



步骤34、每天各时段所安排的员工数不能少于排队论模型计算所得的人数，即：



其中，n表示员工的总人数，表示不同时段需要的最少员工...

【专利技术属性】
技术研发人员：孙哲，田真龙，孙知信，赵文哲，郑新夏，赵学健，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32